Article Per Year (5 Year)
p-Index From 2021 - 2026
2.589
P-Index
This Author published in this journals
All Journal KURVATEK Madaniya Brilliance: Research of Artificial Intelligence D'computare: Jurnal Ilmiah Teknologi Informasi dan Ilmu Komputer BANDWIDTH: Journal of Informatics and Computer Engineering Journal Artificial: Informatika dan Sistem Informasi Jurnal Literasi Digital Jurnal Informasi dan Teknologi (JITU)
Susilawati, Fitrah Eka
Universitas Cokroaminoto Palopo, Indonesia
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Earth & Planetary Sciences Education Electrical & Electronics Engineering Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Social Sciences Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 15 Documents
Search

 1   2 
Teknik Markerless-Based Face Tracking untuk Deteksi Dinamika Wajah dalam Pembuatan Filter Visual 2D dan 3D Arief, M.Ilham; Risna Sari; Fitrah Eka Susilawati
Jurnal Informasi dan Teknologi Vol 2 No 1 (2025): JITU: Jurnal Informasi dan Teknologi Universitas Cokroaminoto Palopo
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/jitu.v2i1.112

Abstract

Metode marker-based tracking merupakan metode yang memanfaatkan marker, sedangkan Metode markerless-based tracking merupakan metode yang tidak menggunakan marker dalam pembuatan AR. Didalam metode markerless-based tracking terdapat teknik face tracker. pada penelitian terdahulu belum ada yang membahas tentang perbandingan efektifitas terhadap ketepatan dan akurasi keberhasilan dari penggunaan teknik face tracker maka dari itu tujuan dalam penelitian ini yaitu melakukan pengujian perbandingan efektifitas terhadap ketepatan dan akurasi keberhasilan dengan penerapan metode markerless based tracking teknik face tracker dalam mendeteksi pergerakan wajah pada AR 2D dan 3D. Dengan parameter pengujian intensitas cahaya 20 Lux, 40 Lux, dan 60 Lux dengan warna cahaya WRGB, Posisi sudut wajah 30o dan 60o, jarak wajah dari kamera 50 cm, 100cm, dan 150cm, Hasil perbandingan akurasi keberhasilan yang unggul yaitu berada pada jarak 50 cm; dengan tingkat akurasi untuk AR 2D 93,22% dan 3D 96,63%. disimpulkan bahwa metode markerless-based tracking, Teknik face tracker bekerja maksimal di 3D di bandingkan 2D. Metode UEQ hasil dari pengujian ini menyatakan bahwa dengan hasil yaitu interestingness 1.865, perspicuity 1.683, efficiency 1.550, dependability 1.638, stimulasi 1.500, novelty 1.013. kualitas dengan nilai daya tarik 1.68, kualitas pragmatis 1.56, kualitas hedonis 1.26. Kesimpulan penelitian ini bahwa deteksi wajah AR 2D dan 3D memiliki evaluasi positif dari segi pengalaman pengguna dan kualitas.
Utilizing ResNet-50 for Deep Learning-Based Rice Leaf Disease Detection Risna Sari; Hedy Leoni Asbudi; Fitrah Eka Susilawati
Brilliance: Research of Artificial Intelligence Vol. 5 No. 2 (2025): Brilliance: Research of Artificial Intelligence, Article Research November 2025
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/brilliance.v5i2.7425

Abstract

Rice is a primary global food commodity, yet its productivity is frequently threatened by various diseases that significantly reduce both yield quality and quantity. Traditional manual diagnosis by farmers is often subjective, time-consuming, and prone to inaccuracies, necessitating more efficient automated solutions. This research evaluates the ResNet50 architecture for the automated classification of rice leaf diseases through digital image analysis. The study specifically investigates the model's performance on a specialized dataset and analyzes how different data splitting ratios influence accuracy and stability. A public dataset comprising four classes—Hispa, Healthy, Leaf Blast, and Brown Spot—was employed. The data underwent rigorous labeling, pre-processing, and augmentation to enhance sample diversity before being partitioned into training and testing sets using three ratios: 85:15, 80:20, and 90:10. The ResNet50 model was implemented using transfer learning with pre-trained ImageNet weights and fine-tuned on the classification layers. Experimental results reveal that the 85:15 split ratio achieved the highest accuracy of 81.48%, followed by 78.77% for the 80:20 ratio and 76.21% for the 90:10 ratio. These findings suggest that ResNet50 provides competitive performance for rice disease detection. Furthermore, achieving an optimal balance between training and testing data is critical for maximizing model generalization within modern smart farming applications.
Rancang Bangun Sistem Reservasi Hotel pada Hotel Larona Berbasis Website Hasrini Iskandar; Fitrah Eka Susilawati; Akramunnisa Akramunnisa
Journal Artificial: Informatika dan Sistem Informasi Vol. 3 No. 1 (2025): April 2025
Publisher : Pustaka Digital Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54065/artificial.550

Abstract

Urgensi dari penelitian ini adalah untuk meningkatkan efisiensi dalam pengelolaan data hotel serta memudahkan tamu dalam melakukan pemesanan kamar secara online. Tujuan penelitian ini adalah untuk merancang dan membangun Sistem Reservasi Hotel pada hotel Larona Berbasis Website serta membuat sistem yang dapat menyimpan data secara realtime dan sebagai sarana untuk pengelolaan data tamu hotel, pemesanan kamar dan transaksi. Jenis penelitian yang digunakan adalah jenis penelitian Waterfall yang setiap tahapannya dilakukan secara berurutan dari atas ke bawah. Metode Waterfall terdiri dari lima fase yaitu Analisa kebutuhan, desain sistem, penulisan kode program, pengujian program dan penerapan program. Pembuatan website menggunakan sistem operasi windows 11 64-bit, XAMPP versi 3.3.1, sublime text 3, PHP v5.0, CSS, MySQL, bootstrap, Google Chrome sebagai Web Browser, Draw.io, figma. Hasil penelitian dapat disimpulkan bahwa semua komponen yang ada dalam sistem informasi ini telah berjalan sesuai dengan fungsinya. Begitupun juga dengan penilaian ahli desain, hasil yang didapat pada validator 1 yaitu nilai 3,5 dengan kategori sangat layak dan validator 2 memberikan nilai 3,3 dengan kategori layak jadi nilai rata-rata yang didapat yaitu 3,4 sehingga masuk dalam kategori sangat layak. Selanjutnya yaitu penilaian ahli desain informasi, hasil yang didapat pada validator 1 yaitu nilai 3,7 dengan kategori sangat layak dan validator 2 memberikan nilai 3,3 dengan kategori sangat layak sehingga nilai rata-rata yang didapat yaitu 3,5 dan masuk dalam kategori sangat layak. Berdasarkan temuan penelitian, setiap komponen sistem informasi ini telah berfungsi sebagaimana mestinya. Perancangan sistem informasi pustu menggunakan pendekatan Unified Modeling Language (UML) dan Black box testing sebagai pengujiannya. Sistem ini memberikan informasi ketersediaan kamar hotel, informasi tentang Hotel dengan cepat. Adapun fitur fitur yang terdapat dalam sistem yaitu reservasi Kamar, update data, dan tambah data.
RANCANG BANGUN GAME EDUKASI PENGENALAN TOKOH PAHLAWAN SULAWESI SELATAN BERBASIS ANDROID DI SDN 95 BULO Irma Sari; Fitrah Eka Susilawati; Akramunnisa Akramunnisa
Jurnal Informasi dan Teknologi Vol 3 No 1 (2026): JITU: Jurnal Informasi dan Teknologi Universitas Cokroaminoto Palopo
Publisher : Universitas Cokroaminoto Palopo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/jitu.v3i1.363

Abstract

Tujuan penelitian ini adalah bagaimana merancang dan membangun aplikasi agar menghasilkan sebuah Aplikasi Game Edukasi Pengenalan Tokoh Pahlawan Sulawesi Selatan Berbasis Android Di SDN 95 Bulo. Penelitian dilakukan dengan menggunakan metode penelitian dengan model ADDIE. Tahapan penelitian yang digunakan yaitu Analysis, Design, Develop, Implement,dan Evaluate. Adapun aplikasi yang digunakan dalam pembuatan yaitu CorelDraw, Audacity, dan Construct 2. Penelitian ini dilakukan di SDN 95 Bulo. Adapun proses pengujian yang dilakukan ada dua, yakni pengujian ahli untuk menguji kelayakan penggunaan aplikasi tersebut serta pengujian sistem menggunakan Black Box Testing. Hasil akhir dari penelitian ini adalah aplikasi yang diberi nama game edukasi Pengenalan Pahlawan Sulawesi Selatan. Pengujian validasi kelayakan dilakukan oleh 2 validator ahli media dengan nilai akhir validasi adalah 3,67 dengan kategori sangat layak untuk digunakan, dan validasi kelayakan yang dilakukan oleh 2 validator ahli materi dengan nilai akhir validasi adalah 3,82, dan respon siswa dengan rata-rata 96,75%.
ANALISIS KINERJA MODEL YOLOv12 NANO TERHADAP KETIDAKSEIMBANGAN DATA PADA DETEKSI TANDAN KELAPA SAWIT DI LINGKUNGAN PERKEBUNAN Vicky Bin Djusmin; Erwin Sukma; Fitrah Eka Susilawati
D'computare: Jurnal Ilmiah Teknologi Informasi dan Ilmu Komputer Vol 15 No 2 (2025): Edisi Juli 2025
Publisher : Universitas Cokroaminoto Palopo Fakultas Teknik Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30605/dcomputare.v15i2.124

Abstract

Ketidakseimbangan distribusi data merupakan tantangan utama dalam penerapan deteksi objek berbasis deep learning pada lingkungan perkebunan kelapa sawit yang kompleks dan dinamis. Penelitian ini bertujuan untuk menganalisis kinerja model YOLOv12-nano dalam mendeteksi tandan buah kelapa sawit (TBS) dengan kondisi data tidak seimbang pada citra UAV di lingkungan perkebunan nyata. Akuisisi data dilakukan di perkebunan kelapa sawit di Sulawesi Selatan menggunakan drone DJI Neo dengan variasi pencahayaan alami, jarak pandang, dan tingkat oklusi vegetasi. Dataset terdiri dari dua kelas, yaitu tandan matang dan tandan mentah, dengan dominasi kelas tandan mentah. Proses praproses meliputi ekstraksi frame, pembersihan data, anotasi bounding box, resize, pembagian dataset, serta augmentasi data latih. Evaluasi performa dilakukan menggunakan metrik precision, recall, F1-score, serta mean Average Precision (mAP) pada berbagai ambang IoU. Hasil pengujian menunjukkan bahwa model YOLOv12-nano terbaik (best model) mencapai precision sebesar 0,97, recall 0,80, F1-score 0,88, serta mAP@0.5 sebesar 0,88 dan mAP@0.5–0.95 sebesar 0,68. Temuan ini menunjukkan bahwa YOLOv12-nano memiliki kemampuan deteksi yang selektif dan stabil meskipun dihadapkan pada ketidakseimbangan data, serta berpotensi diimplementasikan pada sistem monitoring TBS berbasis UAV dan edge computing secara real-time.
Co-Authors Akramunnisa, Akramunnisa - Andi Mahsul Guttu Patalo Arief, M.Ilham Armadyah Amborowati Ema Utami Erni, Erni ERWIN SUKMA Fajar Novriansyah Yasir Hasrini Iskandar Hedy Leoni Asbudi Hery Widijanto Hildayanti Hildayanti Irma Sari Jusriati Jusriati Khoirul, Muhammad Aji Kurniadi, Wisnu Lutfiah Prasti, Dianradika Risna Sari Risna Sari Rosmiati Rosmiati Sugianto, Lis Suparman Supriadi, Supriadi Surya, Muh Vicky Bin Djusmin Wahidin Ashari, Nur Wisnu Kurniadi Yanti, Rosmalah